A context-aware delayed agglomeration framework for electron microscopy segmentation.
A context-aware delayed agglomeration framework for electron microscopy segmentation.
复制标题
DOI：
10.1371/journal.pone.0125825
复制
发表时间：
2015
期刊：
影响因子：
3.7
通讯作者：
Scheffer L
中科院分区：
文献类型：
--
作者：
Parag T;Chakraborty A;Plaza S;Scheffer L
近年来，电子显微镜（EM）图像（或体积）分割作为连接组学的一种工具变得非常重要。本文提出了一种新的聚类分割框架。特别是，给定一个过度分割的图像或体积，我们提出了一个新的框架来准确地聚类同一神经元的区域。与现有的聚类方法不同，本文提出的上下文感知算法将不同生物实体的超像素（超分割区域）划分为不同的子集，并分别聚类。此外，本文还描述了一种用于聚类的“延迟”方案，该方案推迟了与新形成的物体有关的一些合并决策，以产生更可靠的边界预测。我们报告了该方法在2D和3D数据集上的分割精度比现有标准方法取得的显着改进。
Electron Microscopy (EM) image (or volume) segmentation has become significantly important in recent years as an instrument for connectomics. This paper proposes a novel agglomerative framework for EM segmentation. In particular, given an over-segmented image or volume, we propose a novel framework for accurately clustering regions of the same neuron. Unlike existing agglomerative methods, the proposed context-aware algorithm divides superpixels (over-segmented regions) of different biological entities into different subsets and agglomerates them separately. In addition, this paper describes a “delayed” scheme for agglomerative clustering that postpones some of the merge decisions, pertaining to newly formed bodies, in order to generate a more confident boundary prediction. We report significant improvements attained by the proposed approach in segmentation accuracy over existing standard methods on 2D and 3D datasets.
登录
查看更多内容
影响因子：
10.9
作者：
Jurrus, Elizabeth;Paiva, Antonio R. C.;Watanabe, Shigeki;Anderson, James R.;Jones, Bryan W.;Whitaker, Ross T.;Jorgensen, Erik M.;Marc, Robert E.;Tasdizen, Tolga
通讯作者：
Tasdizen, Tolga
影响因子：
3.7
作者：
Nunez-Iglesias J;Kennedy R;Parag T;Shi J;Chklovskii DB
通讯作者：
Chklovskii DB
影响因子：
64.8
作者：
通讯作者：
--
DOI：
10.1007/978-3-540-45167-9_14
发表时间：
2003-01-01
期刊：
LEARNING THEORY AND KERNEL MACHINES
影响因子：
--
作者：
Meila, M
通讯作者：
Meila, M
影响因子：
10.6
作者：
Lucchi, Aurelien;Smith, Kevin;Fua, Pascal
通讯作者：
Fua, Pascal